Uno de los principales desafíos en los sistemas modernos de Internet de las Cosas (IoT) es la recolección, enrutamiento y gestión eficientes de flujos de datos de fuentes heterogéneas, incluidas fuentes con altas tasas de ingestión. A pesar de la existencia de varios marcos de transmisión de datos de IoT, aún no hay una forma fácil de recolectar y enrutear flujos de IoT de manera eficiente y configurable que sea fácil de implementar y desplegar en entornos realistas. En este documento, presentamos un motor programable para Análisis de Datos Distribuidos (DDA), que facilita la tarea de recolectar flujos de IoT de diferentes fuentes y, en consecuencia, enrutarlos a consumidores apropiados. El motor también proporciona los medios para el preprocesamiento y análisis de flujos de datos, que son dos de las tareas más importantes en aplicaciones de análisis de Big Data. En el corazón del motor se encuentra un Lenguaje Específico de Dominio (DSL) que permite la definición sin programación de tareas de enrutamiento y preprocesamiento de datos. Este DSL se describe en el documento, junto con el middleware que soporta su ejecución en tiempo de ejecución. Como parte del documento, presentamos la arquitectura del motor, así como los modelos digitales que utiliza para modelar flujos de datos en el mundo digital. También discutimos la validación del DDA en varios casos de uso de IoT intensivos en datos en entornos industriales, incluidos casos de uso en líneas de producción piloto y en varios entornos de fabricación de la vida real. Estos últimos manifiestan la configurabilidad, programabilidad y flexibilidad del motor DDA, así como su capacidad para soportar aplicaciones prácticas.